基于大数据的智慧教育云平台赋能区域智慧教育发展.docx

基于大数据的智慧教育云平台赋能区域智慧教育发展.docx

《基于大数据的智慧教育云平台赋能区域智慧教育发展.docx》由会员分享，可在线阅读，更多相关《基于大数据的智慧教育云平台赋能区域智慧教育发展.docx（8页珍藏版）》请在冰豆网上搜索。

基于大数据的智慧教育云平台赋能区域智慧教育发展

基于大数据的智慧教育云平台赋能区域智慧教育发展

1.方案背景

随着教育信息化发展的不断深入，信息技术已渗透到教育的各个领域，教师针对性教学与学生个性化学习越来越成为学校教育信息化关注的焦点，然而在实际教学应用过程中，面临很多实际需要解决的问题。

数据及其价值的流失。

在传统教学过程中，教师为了检测日常学习效果，常常会布置随堂练习和课后作业，随时统计这些数据需要耗费教师大量的时间和精力，这些数据就留在学生的练习册或者周测试卷里。

每一次考试的数据，数据分析仅限于基于数据统计的分析，没有关联学生的学习行为以及其他维度，没有充分挖掘数据的价值。

对于教师而言，教师的教学过程未能实现精准化，教师以一人之力难以从预习、听课、复习、自学、作业、考试等各类场景应用中，观察并掌握全班所有学生的个性特点、学习行为与学业成果，更不能精准地指导每位学生的学习。

对于学生而言，学生的学习过程未能实现个性化，学生不能充分了解自己，教师又难以关注到每个学生，因此在课堂内外，即便有信息化应用的支持，也只能获得标准化的学习内容和学习策略指导。

对于教育管理部门而言，全校乃至全区域历次考试学情分析报告不能及时掌握，只能掌握高利害的成绩报告，没有过程性的分析，不利于教学监管。

基于此，通过全过程伴随式的数据采集，全面进行数据的分析，最后形成面向各个维度的学情分析报告，从而指导教师进行精准教学，学生进行个性化提升的项目显得尤为重要。

国务院在《关于印发国家教育事业发展“十三五”规划的通知》中指出：

“鼓励学校利用大数据技术开展对教育教学活动和学生行为数据的收集、分析和反馈，为推动个性化学习和针对性教学提供支持”。

学生学业质量也是教育教学的重要成果之一，建立中小学学业质量分析，是对教学过程和质量进行指导管理的基础性建设，是提高教学质量和效能的有效平台，也是学校教育能力建设的重要组成部分。

2.方案目标

基于大数据的智慧教育云平台赋能区域智慧教育发展，按照国家、省、市教育信息化发展规划要求，在智能化信息生态环境中构建以学习者为中心的教学新模式，开展以大数据为基础的发展性评价、学习分析和个性化学习资源推荐，从传统的教、学、考、评、管等环节单点系统的垂直建设，向各系统相互协同的一体化建设转移；从单点系统应用向以大数据、云计算、移动互联为手段，以各级教育部门与学校互联互通、教与学大数据动态汇聚流转为基础的信息化方向发展；通过教学大数据收集、智能分析和预测帮助教师针对性的安排教学进度和内容，根据学生知识掌握程度和综合素质发展情况开展个性化学习，增强学生在网络环境下提出问题、分析问题和解决问题的能力，切实提高教学效率和管理水平、减轻师生负担，推动教育跨越式发展。

为教育主管部门提供区域教学质量分析报告，同时可以随时查看各级各类学校的教学规划、教学质量和教学趋势，辅助科学决策。

为学校管理者提供智能化、精细化的学情分析报告，掌握学校整体教学运行状况，综合评判考试质量，对各个任课老师及学生掌握情况有综合全面的了解，有效帮助学校做好教学方面的调控和决策。

帮助老师准确更好把握学生现状，做学生成绩的历史追踪，给学生个性化的诊断报告，更可针对性的布置作业，做到个性化辅导全方位的学情分析报告；同时利用每次学情分析，进行有针对性的教学反思，改进教学行为。

为每一位学生提供个性化诊断报告，包括知识点掌握现状、能力定位、错题本、学习结果变化等多方位，大样本数据信息，更精细化地展示学生的学业水平和细节。

帮助学生进行自适应针对性练习，提高学习效率。

为家长提供可以与学校实时沟通，及时获取学生在校情况，学校教育情况和活动信息的平台，协助学校共同教育学生成长。

3.总体设计

系统设计和实现以用户需求为导向、以目标达成为宗旨、以任务实现为要点，以“高内聚、低耦合”的软件设计理念，满足应用及服务的扩展与集成，在保持各系统相对独立的同时，促使系统的相互统一、数据共享与互通操作。

利用云计算技术、虚拟化的架构部署，其总体框架由硬件支撑、数据存储、服务层业务应用层组成，总体架构图如下：

4.功能设计

4.1教学测评系统

教学测评系统根据一定的教育价值和教育目标，运用可操作的科学手段，通过系统地搜集信息、数据、资料，进行分析整理，对教育过程和教育结果进行价值判断，完善自我和为教育决策提供可靠信息。

教学测评系统包括测评工具、学生成长档案、多层次反馈系统、实时干预系统，全面支持小学语文、数学、英语。

1）测评工具

针对学校教育影响下学生各方面的发展，侧重量的规定性上予以确定和描述的过程，是对教育活动中的某一现象给予数量化的描述。

2）学生成长档案

通过分析学生成绩、过往学习数据、其他考试数据、学习进度，得到学生个体能力发展情况、学生个体监禁发站内的学习指引、地区学校群体变化情况、成绩等级比率、学业舆情监测与预警、试题分析与命题指引、学科能力与学习行为指标关系等数据指标。

不仅关注学生学科知识掌握情况，还关注学生核心素养；既关注学生学业成长，又关注学生全面发展。

3）多层次反馈系统

通过考试、测评数据，建立从市级、区级、街道、校长、老师、学生的多层次维度反馈，形成报告推送到不同的角色。

关注个体发展，同时也关注群体表现。

4）实时干预系统

会在讲、练、测环节逐步进行，为学生建立诊断测评、干预分析、再次测评与评估的学习闭环

诊断测评：

在日常练习环节内，给出实时的练习诊断。

干预分析：

对练习错因进行分析、即时纠错，同步讲解。

再次测评与评估：

平行题、类题推送再测，对再测结果的纠错率进行分析，为学生学习改进提供支持。

4.2区域学情数据平台

的区域学情数据平台，是分析学生学习情况、监管老师教学情况的教学决策平台。

通过充分的学情分析，能准确把握学生实际水平，制定出明确的教学目标和教学内容，全面了解学生，找准教学起点，帮助区域教育主管部门实现高效教学管理、教学决策。

区域学情平台是市级、区级教育管理者的数据分析、监管平台，对接教学测评系统的多层次反馈系统，分析和监管市、区权限范围内的学校、老师、学生日常使用。

区域学情数据平台包括学生和老师使用数据查看、学情分析、测评分析与趣味活动分析。

云端数据分析“作业情况”、“学习情况”、“模考统测情况”、“趣味活动情况”，生成图表简洁易懂，便捷、实时、高效。

1）学生和老师使用数据查看

概览区域内老师学生的本月使用人数、本月新增人数，区域内老师布置作业情况、活跃学校和活跃老师。

2）学情分析

包括学情展示和学情报告两部分，

从教育主管部门的角度出发，展示和分析市、区内区域、学校的学生使用、学生学科能力维度和知识板块掌握程度，通过“多层次反馈系统”得到学情报告，方便教育主管部门了解区域学生的整体学科能力情况。

3）测评报告

结合区域模考统测，通过“多层次反馈系统”得到区域测评报告，帮助区域教育决策人员掌握学生整体与个人成长表现，针对测评结论给出区域性专项能力测评改进方案。

4）趣味活动

趣味活动是在核心素养的时代背景下应运而生的线上活动工具，用以发起、承接小学阶段各省、市、区、校级别的学科类趣味活动。

这些趣味活动能考察学生各方面思维能力，活动分析结果可帮助教育主管部门从侧面分析学生学情。

4.3校级数据监管平台

校级数据监管平台是掌握校内老师教学情况、学生学习情况的分析平台。

是校内数据行为的监管平台，校长可对学生、老师的作业历史及详情进行查看，对学科、年级、班级维度的学生学科能力评估、知识点板块掌握程度评估。

校级数据平台包括校内数据行为监管平台和教学分析平台。

1）AI智能教育数据监管平台

可视化的数据监管平台，从“监管、分析、统计”环节，为校内用户使用、教学行为、能力分析等监管工作提供有效的支撑。

数据监管平台包括班级、老师、学生活跃监控，使用数据监管、实时动态展示、学生学科能力养成图谱和知识板块掌握图谱。

2）数据平台

校内数据平台为学校管理者提供校内学生学情、测评、趣味活动分析、校内老师布置作业分析和排行，帮助学校管理者掌握学校整体教学运行状况，综合评判考试质量，对各个任课老师及学生掌握情况有综合全面的了解，有效帮助学校做好教学方面的调控和决策。

数据平台包括总体概览、学情分析、测评报告和趣味活动分析。

总体概览：

老师、学生使用情况，练习情况分析，班级练习排行、老师布置排行。

学情分析：

按时间、年级、学科、班级维度的学生单元训练情况分析、学科能力养成对比、知识板块掌握度对比。

测评分析：

结合模考统测，通过“多层次反馈系统”得到校内测评报告，帮助学校管理者掌握学生整体与个人成长表现、针对测评结论给出针对校内学生的专项能力测评改进方案。

趣味活动：

是在核心素养的时代背景下应运而生的线上活动工具，用以发起、承接小学阶段各省、市、区、校级别的学科类趣味活动。

这些趣味活动能考察学生各方面思维能力，校内趣味活动分析结果可帮助学校管理者从侧面分析学生学情。

4.4校内智能教学系统

教学五环节融合，建立结合丰富的素质教育内容和智能诊断、智能推荐等人工智能技术，构建的以知识点掌握为开始，以学科能力为过程，最终实现掌握举一反三的跨学科综合能力的智能学习系统。

该方法将为老师日常教学中的备、讲、练、辅、测五个环节提供相应的数据和资源支持，帮助老师形成完整且科学的教学闭环。

1）备课

在老师备课阶段，根据所选章节，在课件或教学内容里引入相匹配的随堂练习内容，用以提升课堂授课效果。

同时结合往期练习及测验的数据结果，分析是否存在与本次课程相关知识点的共性薄弱环节，并提供与之相对应的重难点讲解资源及类题推荐，帮助学生更好的掌握消化课堂内容。

2）讲解

在课堂讲解环节，教师可根据课堂讲授情况，从推荐类题中选择适合本班学生掌握情况的题目进行随堂检测。

随堂测验报告实时输出，老师根据报告内容评估当前是否已准确反映学生课堂学习的学习效果。

然后可根据学生掌握新知识的能力差异，并进行题目难度及数量的调整修正。

3）练习

课后的针对性练习可以很好的检测课堂内容学生的真实掌握情况，消除机械记忆的影响，能够比较准确的评估学生知识、能力掌握水平。

暴露出的班级共性问题，可以在后续的课堂场景做针对性讲解，完成课后练习和课堂讲解的闭环。

课前预习模块所产生的学习数据，反应了学生对新知识的掌握程度及个体差异，可以指导老师在课堂讲解及随堂练习中适时调整内容进行侧重性讲解，提升课堂讲解效果。

4）辅导

针对课后练习环节所暴漏的问题，在课堂上对共性问题安排统一讲解。

而对于学生个性化的错因，老师可根据自身情况提供一对一面授指导。

学生也可以通过在线错因诊断系统推荐的个性化学习内容（形式可包括视频课程、交互式应用或者直播辅导）进行自助化学习。

然后老师可通过布置系统推荐的后测练习，进行后向检测，评估辅导的错题纠正效率。

5）测试

以月或半学期、学期为单位，根据教学目标里涉及的知识点及学段学科能力的掌握要求，匹配测试试卷，采用线下或者线上测试的模式，对学习效果进行检测，相关测试结果数据会为后续教学环节提供一定的参考。

五环节融合，从操作层面，是根据本地化教材和教学目标，通过的产品，为老师提供课件、教案及随堂练习内容包、课后练习内容包，为课后练习内容包匹配讲、练、测同步辅导内容，为老师提供月考等考试的题库及组卷工具；

从数据层面，采用信息化的手段进行这些环节的数据采集，用以形成数据闭环来调整其他教学环节。

结合的产品，推动线下作业产品的数据收集和提升在线作业使用校的覆盖范围，打通线下作业数据及在线作业数据，收集练习环节数据，结合测评及辅导数据进行分析。

同时推动智慧课堂产品的使用，推动课堂讲解产品的常态化使用，进行数据闭环的分析。

4.5家校学习系统

通过家庭学习的两种模式，由家长使用App辅导孩子学习或辅导老师量身为孩子定做课程及讲解，在校内数据的支持下，减少无关测试、避免低效练习与无效讲解。

家庭学习场景两种模式：

一是由家长使用APP，系统会结合